高等院校教师

目录
前言
第1部分基础篇
第1章绪论
1.1人工智能控制技术概述
1.1.1人工智能的定义及智能控制
1.1.2人工智能控制技术的发展历史
1.1.3人工智能控制发展面临的难题
1.1.4人工智能控制的主要内容
1.2学习算法概述
1.2.1无监督学习
1.2.2监督学习
1.2.3强化学习
1.3自动控制基础
1.3.1控制系统的发展历史
1.3.2控制系统模型
1.3.3控制方法概述
1.3.4控制系统的稳定性
1.4学习与控制术语说明
习题
参考文献
第2章神经网络控制
2.1神经网络理论基础
2.1.1神经网络发展历史
2.1.2神经网络原理
2.1.3神经网络学习算法
2.2典型神经网络
2.2.1单神经元网络
2.2.2BP神经网络
2.2.3RBF神经网络
2.2.4Hopfield神经网络
2.2.5卷积神经网络
2.3神经网络自适应控制
2.3.1系统描述
2.3.2自适应控制器设计
2.3.3稳定性证明
2.3.4仿真实例
习题
参考文献
第3章强化学习
3.1强化学习概述
3.1.1强化学习的历史背景
3.1.2强化学习的分类
3.1.3强化学习的重点概念
3.2马尔可夫决策过程
3.2.1马尔可夫链与马尔可夫决策过程
3.2.2贝尔曼方程
3.2.3最优控制与最优策略
3.3动态规划
3.3.1动态规划简介
3.3.2最优控制中的动态规划
3.3.3强化学习中的动态规划
3.4基本强化学习
3.4.1策略迭代算法
3.4.2值迭代算法
3.4.3蒙特卡洛法
3.4.4时序差分法
3.4.5其他类型强化学习
习题
参考文献
第4章深度强化学习
4.1深度强化学习概述
4.1.1深度强化学习发展历程
4.1.2深度强化学习基本学习思想
4.2深度卷积神经网络
4.2.1基本网络类型
4.2.2改进网络类型
4.3深度循环神经网络
4.3.1网络结构与计算
4.3.2深度循环神经网络变体和改进
4.4深度价值和策略学习
4.4.1深度Q网络
4.4.2基于策略梯度算法
习题
参考文献
第5章模糊控制
5.1模糊控制数学原理
5.1.1模糊集合
5.1.2隶属函数的种类
5.1.3模糊集合的运算
5.1.4模糊关系与推理
5.2模糊控制原理及设计
5.2.1基本原理和组成
5.2.2模糊控制器的结构和分类
5.2.3模糊控制的工作原理和设计步骤
5.3自适应模糊控制
5.3.1模糊逼近和万能逼近定理
5.3.2系统描述
5.3.3模糊控制器设计
5.3.4仿真实例
习题
参考文献
第6章进化算法
6.1进化算法概述
6.2遗传算法
6.2.1遗传算法的发展历史
6.2.2遗传算法的基本原理
6.3粒子群算法
6.3.1粒子群算法的发展历史
6.3.2粒子群算法的原理
6.4蚁群算法
6.4.1蚁群算法的发展历史
6.4.2蚁群算法的原理
习题
参考文献
第2部分实用篇
第7章机械臂控制实例
7.1机械臂神经网络控制
7.1.1问题的提出
7.1.2神经网络设计
7.1.3控制器设计
7.1.4稳定性证明
7.1.5仿真实例
7.2机械臂自适应模糊控制
7.2.1系统描述
7.2.2模糊控制器设计
7.2.3仿真实例
习题
参考文献
第8章无人机三维最优路径规划实例
8.1无人机路径规划简介
8.2无人机路径规划Q-Learning算法原理
8.3无人机三维路径规划实现过程
8.3.1基于Q-Learning的三维模型创建
8.3.2训练过程
8.3.3路径规划实现结果
8.4仿真程序
习题
参考文献
第9章五子棋自动对弈实例
9.1五子棋自动对弈实现原理
9.2蒙特卡洛树搜索
9.2.1选择
9.2.2拓展与评估
9.2.3反向传播
9.2.4演绎
9.3五子棋自对弈训练
9.4仿真程序
习题
参考文献
第10章图像优化处理实例
10.1数字图像处理技术简介
10.1.1基本概念
10.1.2研究内容
10.1.3应用领域
10.2图像分割
10.2.1技术介绍
10.2.2图像分割的定义
10.2.3基于阈值的分割方法
10.2.4其他分割方法
10.3基于进化算法的图像分割方法实例
10.3.1基于遗传算法的图像分割
10.3.2基于粒子群算法的图像分割
习题
参考文献